Qwen 3.6 API

OpenRouter के माध्यम से Qwen 3.6 विज़न-भाषा मॉडल चलाएँ।

अप्रचलित

एकीकृत Qwen-VL ब्लॉक (roboflow_core/qwen_vlm@v1), जो सभी Qwen वेरिएंट्स (native + OpenRouter) को managed-key passthrough और privacy controls के साथ जोड़ता है.

OpenRouter के माध्यम से उपलब्ध Qwen 3.6 vision-language models से एक प्रश्न पूछें.

आप मनचाहे टेक्स्ट प्रॉम्प्ट या पूर्वनिर्धारित प्रॉम्प्ट निर्दिष्ट कर सकते हैं, यह ब्लॉक निम्नलिखित प्रकार के प्रॉम्प्ट का समर्थन करता है:

• ओपन प्रॉम्प्ट (अप्रतिबंधित) - कच्चा उत्तर जनरेट करने के लिए कोई भी प्रॉम्प्ट उपयोग करें

• टेक्स्ट पहचान (OCR) (ocr) - मॉडल छवि में टेक्स्ट को पहचानता है

• दृश्य प्रश्नोत्तर (visual-question-answering) - मॉडल आपके द्वारा प्रॉम्प्ट में सबमिट किए गए प्रश्न का उत्तर देता है

• कैप्शनिंग (संक्षिप्त) (caption) - मॉडल छवि का संक्षिप्त विवरण प्रदान करता है

• कैप्शनिंग (detailed-caption) - मॉडल छवि का विस्तृत विवरण प्रदान करता है

• एकल-लेबल वर्गीकरण (classification) - मॉडल छवि की सामग्री को दिए गए वर्गों में से एक के रूप में वर्गीकृत करता है

• बहु-लेबल वर्गीकरण (multi-label-classification) - मॉडल छवि की सामग्री को दिए गए वर्गों में से एक या अधिक के रूप में वर्गीकृत करता है

• बिना प्रॉम्प्ट के ऑब्जेक्ट डिटेक्शन (object-detection) - मॉडल छवि में प्रमुख ऑब्जेक्ट्स के लिए बाउंडिंग बॉक्स का पता लगाता है और उन्हें लौटाता है

• संरचित आउटपुट जनरेशन (structured-answering) - मॉडल निर्दिष्ट फ़ील्ड्स के साथ एक JSON प्रतिक्रिया लौटाता है

🛠️ API प्रदाता और मॉडल वेरिएंट

Qwen 3.6 उपलब्ध है via OpenRouter API और हमें एक OpenRouter API कुंजी पास करना आवश्यक है ताकि यह चल सके।

से एक विशिष्ट मॉडल संस्करण चुनें मॉडल संस्करण ड्रॉपडाउन - Qwen 3.6 के नए रिलीज़ OpenRouter पर उपलब्ध होते ही इस सूची में जोड़े जाएंगे.

API उपयोग शुल्क

OpenRouter एक बाहरी तृतीय पक्ष है जो मॉडल तक पहुँच प्रदान करता है और उपयोग के आधार पर शुल्क लेता है। कृपया मूल्य निर्धारण देखें openrouter.ai उपयोग से पहले।

💡 आगे पढ़ने के लिए और स्वीकार्य उपयोग नीति

मॉडल लाइसेंस

देखें Qwen लाइसेंस शर्तें उपयोग से पहले।

प्रकार पहचानकर्ता

स्टेप में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/qwen3_6_openrouter@v1 अपने वर्कफ़्लो में ब्लॉक को एक स्टेप के रूप में जोड़ने के लिए।

गुण

नाम	प्रकार	विवरण	संदर्भ
name	str	इस स्टेप के लिए एक विशिष्ट पहचानकर्ता दर्ज करें..	❌
task_type	str	मॉडल द्वारा निष्पादित किया जाने वाला कार्य प्रकार। मान आवश्यक पैरामीटर और आउटपुट प्रतिक्रिया निर्धारित करता है..	❌
प्रॉम्प्ट	str	Qwen 3.6 मॉडल के लिए टेक्स्ट प्रॉम्प्ट.	✅
output_structure	Dict[str, str]	अपेक्षित JSON प्रतिक्रिया की संरचना वाली डिक्शनरी।	❌
classes	List[str]	उपयोग की जाने वाली वर्गों की सूची।	✅
api_key	str	आपकी OpenRouter API कुंजी।	✅
मॉडल संस्करण	str	उपयोग किया जाने वाला मॉडल।	✅
max_tokens	int	टोकनों की अधिकतम संख्या जो मॉडल अपनी response में जनरेट कर सकता है..	❌
temperature	float	मॉडल से सैंपल करने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..	✅
max_concurrent_requests	int	इनपुट चित्रों का बैच दिए जाने पर ब्लॉक द्वारा निष्पादित किए जा सकने वाले समकालिक अनुरोधों की संख्या। यदि नहीं दी गई - तो ब्लॉक डिफ़ॉल्ट रूप से Workflows Execution Engine में वैश्विक रूप से कॉन्फ़िगर किए गए मान का उपयोग करता है। यदि आप सीमाओं तक पहुँचें तो कृपया इसे सीमित करें..	❌

यह संदर्भ स्तंभ यह इंगित करता है कि संपत्ति को वर्कफ़्लो रनटाइम में उपलब्ध गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है वर्कफ़्लो रनटाइम। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

requires_internet - air-gapped / offline deployments : यह ब्लॉक ऐसी सेवा पर निर्भर करता है जो पूरी तरह ऑफ़लाइन / air-gapped deployments से पहुँचा नहीं जा सकता।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन उसके बाइंडिंग प्रकारों पर निर्भर करते हैं। देखें कि कौन-से बाइंडिंग प्रकार Qwen 3.6 API संस्करण v1 है।

इनपुट और आउटपुट बाइंडिंग्स

• इनपुट

  • छवियाँ (छवि): जिस छवि पर अनुमान लगाना है..

  • प्रॉम्प्ट (string): Qwen 3.6 मॉडल के लिए टेक्स्ट प्रॉम्प्ट.

  • classes (list_of_values): उपयोग की जाने वाली वर्गों की सूची।

  • api_key (Union[secret, string]): आपकी OpenRouter API कुंजी।

  • मॉडल संस्करण (string): उपयोग किया जाने वाला मॉडल।

  • temperature (float): मॉडल से सैंपल करने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

• आउटपुट

  • आउटपुट (Union[string, language_model_output]): स्ट्रिंग मान यदि string या LLM / VLM आउटपुट यदि language_model_output.

  • classes (list_of_values): किसी भी प्रकार के मानों की सूची।

उदाहरण JSON परिभाषा

{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/qwen3_6_openrouter@v1",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "my prompt",
	    "output_structure": {
	        "my_key": "description"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "api_key": "xxx-xxx",
	    "model_version": "Qwen 3.6 35B A3B - OpenRouter",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>"
	}